[发明专利]一种移动机器人无线集群系统及神经网络视觉导航方法

权利要求书

1.一种神经网络视觉导航方法，其特征在于，基于移动机器人无线集群系统实现；

所述基于移动机器人无线集群系统，包括：中央管理计算机（1）、无线AP服务器（2）和多个移动机器人（3），所述中央管理计算机与无线AP服务器通过网线连接实现数据交互，无线AP服务器与移动机器人通过无线传输实现数据交互；

每个移动机器人均包括车体和控制模块；

控制模块设置在车体上，所述控制模块包括无线EPA客户端（4）、微处理器（5）和相机（6）；无线EPA客户端（4）与无线AP服务器（2）通过无线连接实现数据交互，无线EPA客户端（4）与微处理器（5）通过网线连接实现数据交互，相机（6）与微处理器（5）通过有线连接实现数据交互；

神经网络视觉导航方法包括如下步骤：

步骤一：实时采集移动机器人所在预设环境下的道路图像，并转换为灰度图像，预设环境下的道路中预铺有车道线，车道线的预定位置上设置有多个标识符，标识符均有一个与标识符背景对比度较高的圆环轮廓；

步骤二：将步骤一所得灰度图像作透视变换，将灰度图像转换为相机与地面呈正投影的图像；具体步骤如下：设定完成光源及相机之后，用相机对路面上预设的标定纸进行拍摄，标定纸中画有与标定纸背景对比度较高的正方形线框，通过将所拍图像中矩形的四个顶点坐标变换为正方形的四个顶点坐标得到相关变换参数，即完成透视变换，将灰度图像转换为相机与路面呈正投影的图像；

步骤三：将步骤二所得相机与地面呈正投影的图像作图像分割，得到仅含标识符感兴趣区域的图像和仅含车道线感兴趣区域的图像；

步骤四：将步骤三所得仅含标识符感兴趣区域的图像，通过识别图像中的标识符得到转向和定位信息；具体步骤如下：

运用深度学习方法识别步骤三所得仅含标识符感兴趣区域的图像中的标识符，与微处理器中数据库信息进行比对得到转向和定位信息，数据库信息可由中央管理计算机进行增加、删除和更新；

深度学习方法流程包含以下步骤：

步骤S1：首先载入CIFAR-10数据，CIFAR-10由60000张32*32的RGB彩色图片构成，共10个分类；50000张用于训练，10000张用于测试；

步骤S2：创建一个卷积神经网络，即CNN；所述卷积神经网络主要包括以下几层：图像输入层，中间层，分类输出层；

图像输入层定义了CNN可以处理的数据的类型和大小；中间层由多层构成，按先后次序排序表示是由重复层及非重复层构成；重复层是构成CNN的核心构成模块，由重复三次的卷积层、校正线性层及最大值池化层构成；非重复层由全连接层、ReLU、全连接层、及Softmax层构成；最后一层为分类输出层；

步骤S3：使用CIFAR-10训练CNN，设置网络训练参数后，将训练算法运行X个迭代周期，X为大于1的整数，训练完成后验证网络；

步骤S4：载入标识符训练图数据，载入X张标识符图进行训练，X为大于100的整数；

步骤S5：完成YOLO检测器，用步骤d载入的标识符训练图数据来训练CNN，设置好训练参数，训练后即完成YOLO检测器；

步骤五：将步骤三所得仅含车道线感兴趣区域的图像通过提取图像中的车道线边缘，得到仅含车道线边缘的图像并对车道线进行跟踪。

2.根据权利要求1所述神经网络视觉导航方法，其特征在于，步骤一中还包括以下子步骤：

步骤a：根据实际环境调整相机摆放位置及相机配套光源的强度；

步骤b：根据当前调整的光源强度调整相机参数使其能采集到清晰的道路图像；

步骤c：实时采集连续清晰的道路图像传入微处理器内存中进行图像处理。

3.根据权利要求1所述神经网络视觉导航方法，其特征在于，步骤三具体步骤如下：将步骤二所得相机与地面呈正投影的图像分别作圆检测与直线检测进行图像分割，若图像中包含有标识符的圆环轮廓，可分割得到仅含标识符感兴趣区域的图像，直线检测可检测到图像中的车道线边缘，可分割得到仅含车道线感兴趣区域的图像。

4.根据权利要求1所述神经网络视觉导航方法，其特征在于，步骤四中运用机器学习方法识别标识符得到转向和定位信息。

5.根据权利要求1所述神经网络视觉导航方法，其特征在于，步骤五中提取图像中的车道线边缘，是运用全卷积网络方法提取图像中的车道线边缘，再运用循环伴随目标跟踪方法对车道线边缘进行跟踪。